[量化投资-学习笔记010]Python+TDengine从零开始搭建量化分析平台-MACD金死叉

本文主要是介绍[量化投资-学习笔记010]Python+TDengine从零开始搭建量化分析平台-MACD金死叉,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在之前的 MACD 章节,介绍了 MACD 曲线的绘制。本次简单介绍 MACD 最常用的用法:金叉和死叉。

金叉和死叉是MACD指标中的两个重要信号。

金叉是指 MACD 快线(DIF)上穿慢线(DEA)的情况。死叉则是指 MACD 快线下穿慢线的情况。理论上,金叉代表看涨信号,而死叉则代表看跌信号。

如果用程序实现就比较简单,就是两个变量的大小变换。

def check_macd(macd_line, signal_line):crossing_points = []for i in range(1, len(macd_line)):if macd_line[i] > signal_line[i] and macd_line[i - 1] < signal_line[i - 1]  :crossing_points.append((i, "buy"))elif macd_line[i] < signal_line[i] and macd_line[i - 1] > signal_line[i - 1]  :crossing_points.append((i, "sell"))return crossing_points
  • 上述程序中 macd_line 即 DIF,signal_line 即 DEA。

对生成的结果进行输出:

for point in crossing_points:index, signal = pointtimestamp = timestamps[index]price = close_prices[index]print(f"MACD {signal}:\t Timestamp={timestamp},\t Price={price}")if signal == "sell":print("")
MACD sell:       Timestamp=2022-04-18T16:00:00.000Z,     Price=15.81MACD buy:        Timestamp=2022-05-19T16:00:00.000Z,     Price=15.02
MACD sell:       Timestamp=2022-05-25T16:00:00.000Z,     Price=14.19MACD buy:        Timestamp=2022-06-06T16:00:00.000Z,     Price=14.16
MACD sell:       Timestamp=2022-07-11T16:00:00.000Z,     Price=14.42MACD buy:        Timestamp=2022-08-10T16:00:00.000Z,     Price=12.35
MACD sell:       Timestamp=2022-09-21T16:00:00.000Z,     Price=12.29MACD buy:        Timestamp=2022-11-03T16:00:00.000Z,     Price=10.82
MACD sell:       Timestamp=2022-12-14T16:00:00.000Z,     Price=13.1MACD buy:        Timestamp=2023-01-03T16:00:00.000Z,     Price=14.32
MACD sell:       Timestamp=2023-01-30T16:00:00.000Z,     Price=14.99

从结果来看,胜率还不错。

题外话

以上是 MACD 金死叉最基本的实现方式,但是如果想应用到实际交易中就有点痴心妄想了。金死叉又叫看涨、看跌信号,顾名思义,就是看起来会涨,或看起来会跌。

所有的技术指标都是通过历史数据计算得出的。如果用历史数据预测未来趋势,那么必定有一定概率出错。

所有的交易都是概率的博弈。MACD 指标只是在胜率的天平上增加了一些筹码而已。由此便产生了很多 MACD 的进阶使用方法。

  1. 调整周期。MACD最常用用的是12和26周期,通过调整这两个周期就能获得不同的市场信号,有的交易员会使用13和21周期。根据 MACD 计算原理,周期越小,指标走势变动就越剧烈;周期越大,则指标走势越平缓。
  2. 指标细化。MACD 不只有快慢线,还有柱状图,还有正负区间。这些组合在一起,又产生了更多的交易策略。
  3. 信号叠加。类似于多条均线的使用方式,MACD也可以将多个周期进行叠加,通过长短周期的叠加来判断趋势,比如说13/21 和 55/89 周期叠加。
  4. 与其他指标配合。这是最常用的方法,既然一个指标只能反应市场的一个侧面,那么多个指标同时使用,就可以更加全面的描绘市场。但需要注意的是,如果两个指标采用的计算基础和计算方式比较类似,那么就失去了参考意义。

这篇关于[量化投资-学习笔记010]Python+TDengine从零开始搭建量化分析平台-MACD金死叉的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/392262

相关文章

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

Python pandas库自学超详细教程

《Pythonpandas库自学超详细教程》文章介绍了Pandas库的基本功能、安装方法及核心操作,涵盖数据导入(CSV/Excel等)、数据结构(Series、DataFrame)、数据清洗、转换... 目录一、什么是Pandas库(1)、Pandas 应用(2)、Pandas 功能(3)、数据结构二、安

Python使用Tenacity一行代码实现自动重试详解

《Python使用Tenacity一行代码实现自动重试详解》tenacity是一个专为Python设计的通用重试库,它的核心理念就是用简单、清晰的方式,为任何可能失败的操作添加重试能力,下面我们就来看... 目录一切始于一个简单的 API 调用Tenacity 入门:一行代码实现优雅重试精细控制:让重试按我

Python安装Pandas库的两种方法

《Python安装Pandas库的两种方法》本文介绍了三种安装PythonPandas库的方法,通过cmd命令行安装并解决版本冲突,手动下载whl文件安装,更换国内镜像源加速下载,最后建议用pipli... 目录方法一:cmd命令行执行pip install pandas方法二:找到pandas下载库,然后

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比

Python实现网格交易策略的过程

《Python实现网格交易策略的过程》本文讲解Python网格交易策略,利用ccxt获取加密货币数据及backtrader回测,通过设定网格节点,低买高卖获利,适合震荡行情,下面跟我一起看看我们的第一... 网格交易是一种经典的量化交易策略,其核心思想是在价格上下预设多个“网格”,当价格触发特定网格时执行买

Python标准库之数据压缩和存档的应用详解

《Python标准库之数据压缩和存档的应用详解》在数据处理与存储领域,压缩和存档是提升效率的关键技术,Python标准库提供了一套完整的工具链,下面小编就来和大家简单介绍一下吧... 目录一、核心模块架构与设计哲学二、关键模块深度解析1.tarfile:专业级归档工具2.zipfile:跨平台归档首选3.

使用Python构建智能BAT文件生成器的完美解决方案

《使用Python构建智能BAT文件生成器的完美解决方案》这篇文章主要为大家详细介绍了如何使用wxPython构建一个智能的BAT文件生成器,它不仅能够为Python脚本生成启动脚本,还提供了完整的文... 目录引言运行效果图项目背景与需求分析核心需求技术选型核心功能实现1. 数据库设计2. 界面布局设计3

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致

Python进行JSON和Excel文件转换处理指南

《Python进行JSON和Excel文件转换处理指南》在数据交换与系统集成中,JSON与Excel是两种极为常见的数据格式,本文将介绍如何使用Python实现将JSON转换为格式化的Excel文件,... 目录将 jsON 导入为格式化 Excel将 Excel 导出为结构化 JSON处理嵌套 JSON: